«Авито Услуги» начали тестировать рекомендации соседей — новый блок в выдаче, который показывает мастеров по ремонту и благоустройству, уже получивших оценку «5» от людей, живущих рядом с пользователем. Для рынка локальных сервисов это не косметическая правка интерфейса, а попытка превратить обычный поиск в что-то среднее между алгоритмической выдачей и сарафанным радио. Для IT-аудитории здесь интереснее всего то, как платформа упаковывает офлайн-доверие в продуктовую механику, которую можно масштабировать.
По данным vc.ru, «Соседи рекомендуют» сейчас тестируют в нескольких категориях: строительство, ремонт и отделка, а также сад и благоустройство. Механика работает так: когда пользователь ищет конкретную услугу, среди объявлений появляется отдельный блок с рекомендациями. В него попадают специалисты и компании, к которым уже обращались «соседи» пользователя и поставили им максимальную оценку. Иными словами, сервис не просто сортирует карточки по общим сигналам качества, а пытается добавить в ранжирование локальный социальный контекст.
Ключевая деталь здесь — как именно определяется это самое «соседство». Сервис опирается на адреса, указанные пользователями в профилях, а радиус подбирается не по единому шаблону, а в диапазоне от пары десятков до нескольких сотен метров. Он зависит от размера города, плотности населения, конкретного района и самой услуги. Это важный момент: рекомендация сантехника в плотной городской застройке и рекомендация мастера по благоустройству в частном секторе — задачи разного масштаба. Похоже, в «Авито» пытаются избежать грубой модели «один радиус на всю страну» и подстраивают механику под реальную географию спроса.
На уровне продукта ход выглядит довольно прагматично. В услугах, особенно бытовых, пользователю редко нужен абстрактный «лучший мастер города». Обычно нужен человек, который уже работал где-то рядом, может быстро доехать, понимает специфику района и не исчезнет после первого звонка. Рекомендации соседей в такой логике становятся не просто дополнительным фильтром, а способом снизить тревожность перед заказом. Для площадки это тоже выгодно: чем меньше трения между поиском и обращением, тем выше шанс, что пользователь останется внутри экосистемы, а не уйдет в домовый чат, Telegram-канал района или к знакомым за советом.
Для исполнителей смысл не менее очевиден. Если раньше у мастера была в первую очередь репутация внутри всей платформы, то теперь может появиться еще и микро-репутация внутри района. Это уже другой тип конкуренции: не только у кого больше отзывов вообще, а у кого есть подтвержденное доверие буквально за соседним подъездом. Для небольших локальных команд и частных специалистов такая логика может оказаться даже полезнее, чем для крупных сервисных компаний. Большому игроку проще работать на широком охвате и рекламном бюджете, а вот мастер, который стабильно закрывает заказы в пределах одного района, получает шанс чаще попадать в видимую часть выдачи без дополнительного маркетинга.
Одновременно эта история хорошо показывает, как меняется сам рынок классифайдов и маркетплейсов услуг. Пользователь давно привык, что рейтинг «4,9» и десятки отзывов еще не гарантируют нормальный опыт. Отзывы можно не дочитать, рейтинг не всегда объясняет контекст, а универсальная выдача плохо учитывает локальную специфику. Поэтому платформы все чаще ищут сигналы доверия второго уровня: кто уже покупал, кто живет рядом, кто возвращается, кто рекомендует знакомым. В e-commerce это может быть персонализация по похожим покупателям, в такси — предсказуемость подачи, а в услугах логика естественно смещается к территориальному следу и репутации по соседству.
Для продактов и разработчиков тут тоже есть на что посмотреть. По сути, «Авито» тестирует не просто новый блок интерфейса, а новую единицу релевантности: оценка специалиста начинает зависеть не только от усредненного качества, но и от близости доверенной аудитории. Такая модель сразу порождает сложные вопросы. Как не допустить перекоса, при котором новый исполнитель без локальной истории почти не получает шанса на первые заказы? Как отделить реальные полезные сигналы от случайных совпадений по адресу? Как не скатиться в ситуацию, где один удачный заказ в доме начинает непропорционально разгонять мастера по ближайшему кварталу? На бумаге рекомендации соседей выглядят очевидно, но в проде это история про тонкий баланс между доверием, справедливостью выдачи и холодным стартом.
Есть и чувствительный слой, связанный с приватностью. Сервис не раскрывает адреса соседей и не превращает рекомендации в публичную карту заказов, но сам принцип строится на использовании адресной информации из профилей. Для части пользователей это может быть нормальным обменом: поделился данными — получил более точную локальную выдачу. Для другой части это уже повод задуматься, насколько комфортно им участвовать в таких механиках, даже если данные агрегированы и не показываются напрямую. В подобных продуктах доверие к алгоритму держится не только на качестве рекомендаций, но и на том, насколько понятно объяснено, откуда они вообще взялись.
Если тест окажется удачным, рынок услуг вполне может получить новый стандарт локального ранжирования: не просто «лучшие по категории», а «проверенные теми, кто живет рядом». Для пользователя это выглядит почти как цифровая версия вопроса в районном чате, только без сотни сообщений не по теме. Для платформы это шанс встроить человеческую рекомендацию прямо в поисковую выдачу. А дальше главный вопрос будет уже не в том, понравится ли сама идея, а в том, смогут ли алгоритмы удержать качество рекомендаций соседей без перекосов, шумных сигналов и ощущения, что районный сарафан внезапно стал еще одним черным ящиком.